Cerebrospinal fluid proteomics for predictive assessment of Alzheimer’s Disease risk
Notice bibliographique
Résumé
Alzheimer's disease (AD) involves early molecular changes beyond amyloid-β (Aβ) and tau, that create heterogeneous disease biology, giving rise to variable disease initiation and highly variable longitudinal trajectories. Accurately predicting trajectories is vital for design of clinical trials and for clinical care, yet current CSF and PET biomarkers provide limited predictive capabilities despite their excellent diagnostic value. We performed CSF proteomics using tandem-mass-tag mass spectrometry in 1,104 ADNI participants with extensive longitudinal assessments. Machine learning-derived protein panels accurately predicted two classes of outcomes. First, they identified several key inflection points along the disease trajectory, including onset of 1) amyloid plaque pathology (Aβ- to Aβ+; AUC=0.88), 2) symptoms (asymptomatic to symptomatic; AUC=0.89), and 3) functional decline (MCI [due-to-AD] to AD Dementia; AUC=0.88). Second, protein panels forecast longitudinal trajectories of decline, spanning both clinical domains (cognition and function) and pathological process, including tau accumulation measured by tau-PET neocortical standardized uptake value ratio (SUVR) and neurodegeneration indexed by hippocampal volume and FDG-PET SUVR. Proteomics panels outperformed conventional CSF- and PET-based Aβ and tau markers. Importantly, these predictions were driven by novel mechanisms, spanning synaptic signaling, proteostasis, metabolic stress, vascular remodeling, and immune dysregulation, that anchor distinct inflection points and shape long-term trajectories. Together, these findings position CSF proteomics as a powerful approach for anticipating disease onset and progression, with direct implications for patient stratification and personalized intervention.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».